您现在的位置：程式師世界 >> 編程語言 > >> 更多編程語言 >> Python

python作圖基礎之plt.contour實例詳解

編輯：Python

前言

使用示例

plt.contour()函數本身

plt.contour()圖中的坐標

補充：plt.contour等高線繪制

總結

前言

plt.contour是python中用於畫等高線的函數，這裡介紹一下plt.contour的使用。

使用示例

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50) # 生成連續數據y = np.linspace(-3, 3, 50) # 生成連續數據X, Y = np.meshgrid(x, y) # 生成能夠在坐標系中形成點陣的數組，這個可以去參考一下別的文章# https://lixiaoqian.blog.csdn.net/article/details/81532855 這裡講的比較詳細Z = X**2 + Y**2 # 這裡將高度設置為x^2+y^2，就能畫一個圓形的等高線C=plt.contour(x, y,Z,[2,5,8,10]) # 畫等高線 # 使用plt.contour(X, Y,Z,[2,5,8,10])也是沒問題的plt.clabel(C, inline=True, fontsize=10)

畫出來的效果就是：

plt.contour()函數本身

plt.contour(X, Y, Z, [levels], **kwargs)

plt就是matplotlib.pyplot

X, Y表示的是坐標位置（這裡是可選的，但是如果不傳入的話就是python根據傳入的高度數組(Z)的大小自動生成的坐標），一般很多會使用二維數組，但是實際上一維數組也可以的

Z代表每個坐標對應的高度值，是一個二維數組，其中每個值表示的是每個坐標對應的高度 XYZ的實際數據構成可以參照上面的例子，在本地查看一下數據是長什麼樣

levels有兩種傳入形式。一種是傳入一個整數，這個整數表示你想繪制的等高線的條數，但是顯示結果可能並不是完全和傳入的整數的條數一樣，是大致差不多的條數（可能相差一兩條）（為什麼是大致條數呢？可能是python幫你默認生成的比較合適的幾條等高線吧）。還有一種方式就是傳入一個包含高度值的一維數組，這樣python便會畫出傳入的高度值對應的等高線。

其余的參數cmap, linewidths, linestyles等這裡就不多介紹了

plt.contour()圖中的坐標

由於一開始這裡很混淆，因此在這裡對坐標代表的內容進行一個解釋。要解釋這個問題，首先可以引入實際問題，比如一座山，一般來說從飛機上或者很高的地方觀察這座山的話能看到這座山就像圓一樣，如果抽象成平面的話就成為一個圓了（這裡是指比較規整的山啊）。然後實際上等高線就是從這樣很高的地方去想象的，通過一系列工具把相同高度的位置在一個平面上標注出來，相同高度的位置通過線連起來就形成了等高線。

如果把剛剛說的圓放在坐標系中，那麼某個坐標(x,y)就表示觀察到的這座山在平面視角來看所展現出來的位置，如下圖：

左邊假設是一座山，上面的紅色的點在平面視角來看的話就成為坐標系中的一個位置，此時高度已經在等高線圖中反映不出來了，這也是為什麼等高線的圖需要標注高度值。

這裡結合三維圖來看會更加直觀：將上面的圓形的等高線圖的高度用三維圖像展示出來，使用代碼為：

from matplotlib import pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dimport numpy as npx = np.linspace(-3, 3, 50)y = np.linspace(-3, 3, 50)X, Y = np.meshgrid(x, y)Z = X**2 + Y**2 C=plt.contour(x, y,Z,[2,5,8,10])plt.clabel(C, inline=True, fontsize=10)fig=plt.figure()fig = plt.figure(figsize=(10,10))ax1 = plt.axes(projection='3d')ax1.scatter3D(X,Y,z, cmap='Blues')

效果如下：

圖中X,Y,Z都分別被轉換為了三維坐標系中的坐標，形成了一個類似球形的一個部分的高度圖。Z軸就是每個點對應的高度值，這裡試想如果把整張圖從最頂部投下到xy二維坐標系中，如果取開始的某幾個固定的高度值（如2,5,8），那麼這幾個固定的高度值所對應的坐標在二維坐標系中連起來的話就成為了一條等高線。

這裡可以多看幾個例子：

x = np.linspace(-3, 3, 50)y = np.linspace(-3, 3, 50)X, Y = np.meshgrid(x, y)z = (np.exp(-X**2 - Y**2) - np.exp(-(X - 1)**2 - (Y - 1)**2))*2fig=plt.figure()fig = plt.figure(figsize=(10,10))ax1 = plt.axes(projection='3d')ax1.scatter3D(X,Y,z, cmap='Blues')

效果：

其二維圖為：

叮！

不學不知道，學了才知道什麼都不是想象的那麼簡單啊。

補充：plt.contour等高線繪制

import numpy as npimport matplotlib.pyplot as pltdef height(x, y): return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)x = np.linspace(-3, 3, 300)y = np.linspace(-3, 3, 300)X, Y = np.meshgrid(x, y)# 為等高線填充顏色 10表示按照高度分成10層plt.contourf(X, Y, height(X, Y), 10, alpha=0.75, cmap=plt.cm.hot)C = plt.contour(X, Y, height(X, Y), 10, colors='black')# 繪制等高線標簽plt.clabel(C, inline=True, fontsize=10)# 去掉坐標軸刻度# plt.xticks(())# plt.yticks(())plt.show()# 顯示圖片